基于神经网络的瓦斯传感器非线性校正

瓦斯传感器输出非线性问题的原因很多,其中包括敏感元件温度变化所带来的影响,但即使使用恒温瓦斯检测技术,非线性误差仍然存在,影响了瓦斯检测的准确性。在简述用神经网络进行非线性校正的原理的基础上,探讨了用BP神经网络实现瓦斯传感器非线性校正的模型、MATLAB算法和实现程序,通过计算机仿真,其结果表明采用该方法能够得到令人满意的结果,且结构简单,准确度高。     

矿井瓦斯传感器自动调校技术及其研究进展

在简介矿井瓦斯传感器关键技术的基础上，闸述了气体传感器漂移的抑制，包括传感器零点、灵敏度和非线性的自动调校技术及其研究进展，介绍了几种最新技术，涉及遗传法、小波分解以及用DSP的实现方法，尤其是基于神经网络的传感器非线性自动调校方法，用传感器的输出和待测物理量的实际数值训练神经网络，以得到非线性校正用的逆模型。RBF神经网络的收敛速度、分类能力和逼近能力都比较好，是目前的研究热点。     

矿井瓦斯传感器自动调校技术及其研究进展

在简介矿井瓦斯传感器关键技术的基础上,阐述了气体传感器漂移的抑制,包括传感器零点、灵敏度和非线性的自动调校技术及其研究进展,介绍了几种最新技术,涉及遗传算法、小波分解以及用DSP的实现方法,尤其是基于神经网络的传感器非线性自动调校方法,用传感器的输出和待测物理量的实际数值训练神经网络,以得到非线性校正用的逆模型。RBF神经网络的收敛速度、分类能力和逼近能力都比较好,是目前的研究热点。     

基于BP网络微位移传感器误差修正研究

对微位移传感器非线性误差的修正存在诸多问题,该误差是提高微位移传感器测量精度的＂瓶颈＂。本文介绍了用神经网络校正传感器系统非线性误差的原理和方法,提出了基于BP神经网络传感器非线性误差校正对测量数据进行修正。修正结果表明该方法是准确有效的,而且网络结构简单,准确度高。     

基于神经网络的气压传感器非线性校正

为了解决气压传感器非线性校正困难、校正结果精度低的问题,基于小波函数建立反向传播(back propagation,BP)神经网络模型,采用Levenberg-Marquardt算法进行网络参数更新,实现了气压传感器的非线性校正.实验结果表明:传统BP神经网络使气压传感器均方根误差由最初的2.10降低到0.68,减少了67.6％的测量误差;而提出的小波BP神经网络则使其降低到0.28,进一步减少了19％的测量误差,更好地满足了高空探测的精度要求,具有良好的泛化能力,可以推广到类似传感器的非线性校正中.     

传感器的神经网络建模

针对传感器受温度影响的复杂的非线性输入输出特性，利用人工神经网络的方法，建立了与之相适应的人工神经网络模型，该模型可同时实现温度补偿和非线性校正．     

BP神经网络在小信号有效值非线性误差校正中的应用

系统传输的非线性是产生测量误差的主要原因之一。为保证测量精度,应对非线性误差进行校正。描述了BP神经网络的基本模型及算法,阐述了神经网络校正非线性误差的基本原理,提出了用BP神经网络来校正交变小信号真有效值非线性误差的方法。最后给出了校正AD637非线性误差的实验数据。结果表明：运用BP神经网络校正非线性误差,提高了交变小信号真有效值的测量精度。     

一种模拟传感器非线性校正电路设计

该文针对模拟型传感器存在的非线性问题,设计了一种函数变换电路,用硬件方式实现非线性校正。由传感器的传输特性推导校正函数,利用模拟集成器件进行电路设计。校正电路以传感器的输出电压作为输入量,输出电压值与被测物理量成线性关系。通过simulink仿真软件对设计方案进行仿真分析。     

基于时分补偿原理的瓦斯检测方法

基于时分信号处理方法和桥路平衡补偿思路,提出用时分补偿原理改善电源波动对催化瓦斯传感器的稳定性和精度造成的影响．利用微处理器实现时分补偿对瓦斯的检测,提出了2种A／D转换积分算法．结果表明：新型检测方法将桥路电压的测量转化为基于微处理器的时间测量,消除了电源波动的影响,其精确度比传统测量方法提高约1．5倍,稳定性提高约3倍．     

基于神经网络的NTC热敏电阻校正方程的试验研究

为了提高NTC热敏电阻的测温精度,采用BP神经网络对NTC热敏电阻传感器的Steinhart-Hart方程进行非线性校正,提高了测温精度。